[发明专利]一种模型训练方法、装置、电子设备及存储介质

说明书

本申请公开了一种模型训练方法、装置、电子设备及存储介质，涉及人工智能领域，具体为计算机视觉、深度学习技术，可用于图像识别方面，包括：对目标数据集进行特征提取训练，得到特征提取模型；所述目标数据集中的数据为标签数据；通过所述特征提取模型对无标签数据集进行特征提取，得到无标签数据特征；根据所述无标签数据特征训练预训练模型；对所述无标签数据集中的各个无标签数据进行数据裁剪，得到裁剪无标签数据集；根据所述裁剪无标签数据集对所述预训练模型进行优化训练，得到目标预训练模型；根据所述目标数据集对所述目标预训练模型进行训练，得到目标训练模型。本申请实施例能够提高模型在特定数据集的训练效率和识别精度。

技术领域

本申请涉及数据处理技术领域，具体涉及人工智能技术领域中的深度学习技术。

背景技术

机器学习(Machine Learning,ML)是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。典型的，深度学习是机器学习中的其中一个领域，深度学习的过程大概可以总结为确定模型-训练模型-使用模型的过程。其中，训练模型的过程对于模型的精度起着决定性作用。

发明内容

本申请实施例提供了一种模型训练方法、装置、电子设备及存储介质，以提高模型在特定数据集的训练效率和识别精度。

第一方面，本申请实施例提供了一种模型训练方法，包括：

对目标数据集进行特征提取训练，得到特征提取模型；所述目标数据集中的数据为标签数据；

通过所述特征提取模型对无标签数据集进行特征提取，得到无标签数据特征；

根据所述无标签数据特征训练预训练模型；

对所述无标签数据集中的各个无标签数据进行数据裁剪，得到裁剪无标签数据集；

根据所述裁剪无标签数据集对所述预训练模型进行优化训练，得到目标预训练模型；

根据所述目标数据集对所述目标预训练模型进行训练，得到目标训练模型。

第二方面，本申请实施例提供了一种模型训练装置，包括：

特征提取模型获取模块，用于对目标数据集进行特征提取训练，得到特征提取模型；所述目标数据集中的数据为标签数据；

无标签数据特征获取模块，用于通过所述特征提取模型对无标签数据集进行特征提取，得到无标签数据特征；

预训练模型训练模块，用于根据所述无标签数据特征训练预训练模型；

数据裁剪模块，用于对所述无标签数据集中的各个无标签数据进行数据裁剪，得到裁剪无标签数据集；

目标预训练模型获取模块，用于根据所述裁剪无标签数据集对所述预训练模型进行优化训练，得到目标预训练模型；

目标训练模型获取模块，用于根据所述目标数据集对所述目标预训练模型进行训练，得到目标训练模型。

第三方面，本申请实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例所提供的模型训练方法。

第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面实施例所提供的模型训练方法。